热点事件持续更新
研究团队提出长期多方对话记忆框架T-Mem
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，针对大语言模型智能体在长期多方交互中面临的记忆难题，研究团队在arXiv发表论文，提出基于时间结构的记忆框架T-Mem（时间证据森林）。该框架通过时间证据发现（Temporal Evidence Discovery）恢复局部集中证据，利用时间记忆结构化（Temporal Memory Structuring）建模状态转移并构建森林结构，最后序列化生成回答。在两个长期多方记忆基准测试中，T-Mem在跨多种大语言模型和查询类型的表现上，均持续优于对比框架。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
研究者提出基于时间结构的T-Mem记忆框架，在两项基准测试中表现优于对比框架。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 自然语言处理面向长期多方对话记忆的时间证据森林
针对大语言模型智能体在长期多方交互中的记忆难题，研究者提出基于时间结构的记忆框架 T-Mem。该框架通过 Temporal Evidence Discovery 恢复局部集中证据，利用 Temporal Memory Structuring 建模状态转移并构建森林结构，最后序列化生成回答。在两个长期多方记忆基准测试中，T-Mem 跨多种 LLM 和查询类型的表现均持续优于对比框架。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。